在前面相继盘点了AI+CAD、AI+CAE、AI+CAM、AI+PLM和AI+ALM的基础上，本文将聚焦在研发设计领域AI应用最领先的汽车行业，分析汽车企业（主机厂为主，也包含工程服务企业和零部件企业）研发设计领域AI的应用情况，梳理已公开的典型应用案例，以及一些公开有试点案例的相关解决方案。

整体情况

汽车主机厂在AI+研发应用中处于各行业显著领先位置，并跟随AI技术的发展持续拓展场景和深度

2,3年前，生成式AI刚刚兴起，主机厂很多探索基础AI问答，AI生成造型效果图等场景，此后，随着GNN、PINN等兴起，AI代理模型等成为重点探索方向。今年以来随着Cluade Code、SKills等兴起，自动化工作流和智能化设计成为新的探索方向。

目前头部车企开展AI+研发探索已经走过了4，5年的时间，一些场景已经从试点转为投入生产应用，一些自动化Agent则从单点提效拓展到业务流闭环。

从场景看，近两年车企重点在探索AI仿真领域，车体外形风阻仿真、行人碰撞、NVH和碰撞模拟等领域有较多的应用，领先企业已经构建了全量车型的AI代理模型，并实现了设计、仿真工程师的协同设计。

智能化车身结构件件设计、自动化仿真工作流则是正在兴起的新兴方向，领先车企已经有一些试点探索。

从企业性质看，国内和国外大型车企起点基本相同，在公开信息层面的应用宽度和广度方面并没有显著差异。

但值得注意的是，尽管汽车行业研发领域AI应用过去两年领先各行业，未来两年的趋势后续可能会放缓。主机厂本身经营景气程度对于AI投入有显著影响。过去2年，新能源车销量增长迅猛，带动了很多车企在AI方面的大力投入。然而，26年以来新车销量下滑，车企经营难度加大，相关投入预计将有所缩减。

美国车企

Stellantis集团

Stellantis正在大规模利用AI加速产品开发流程，其工程团队中已有22,000名工程师使用AI助手，使得仿真速度提升高达300倍，软件开发生成时间减少了37%。这些AI工具被应用于知识管理、颠覆性设计、代码生成以及客户反馈分析等多个环节。

碰撞仿真报告自动化

Stellantis与Cadence的BETA CAE技术合作，开发了一套基于配置的自动化工具，用于生成碰撞分析报告。该工具集成在META Pre-Processor的脚本框架中，能够自动完成仿真结果的可视化、报告汇编等关键步骤。

该工具自动化了报告过程中的关键步骤：

• 自动提取关键仿真指标
• 生成标准演示文稿，包括图表、图像和动画
• 基于用户定义配置文件的动态内容填充
• 不同车辆项目和分析类型的一致格式
• 自动化数据验证以确保报告结果的准确性和可靠性

系统采用可配置的模板结构，允许工程团队定制输出，同时在全球运营中保持一致性和质量。原本需要一整天的手动工作，现在可以在不到30分钟内完成，且保证了报告的一致性和精确性。

NVH分析自动化

Stellantis采用了西门子的Simcenter Testlab Neo平台，用于自动化识别电动变速箱的NVH目标违规情况并生成报告

混合动力双离合变速箱需要分析近100个齿轮阶次的NVH情况，在试验场长距离运行数据采集完之后，工程师通过一次配置后，AI自动为每个齿轮和操作拆分运行数据，将订单与目标进行比较，识别违规情况并自动生成总结报告。

采用 Simcenter Testlab Neo 之前，工程师需要手动处理每个测试的数据，生成的报告多达 120 页。通过该平台，每次测试分析可节省至少一天的时间，并且可以重复使用工作流程，实现指数级的时间节省。

通用汽车

行人碰撞模拟

通用汽车General Motors和Neural Concept合作，开展基于AI仿真加速车辆行人碰撞模拟

双方基于通用汽车之前积累的11个车型的4个工况下100个碰撞数据进行训练，构建了AI模型，使用Nueral Concept自己专有的3D几何深度学习模型，直接基于几何形状进行碰撞结果预测。

最终结果是AI预测结果与实际计算间存在5%-10%的差异，模型也能够理解复杂的组件交互。此案例更多信息详见之前的文章。

车体虚拟风洞

通用汽车自研虚拟风洞系统，通用汽车空气动力学工程师与创意设计师可同屏协同办公，实时调整车顶线条、车头引擎盖造型，同步查看造型改动带来的风阻系数变化，大幅压缩测试研发周期，提前完成车辆能效平衡优化设计

虚拟风洞系统训练数据源均源自企业多年积累的流体力学仿真实测数据，依托长年实战经验打磨优化数据模型，保障智能测算结果高度精准

碰撞仿真AI代理模型

通过部署AI代理模型，公司成功将车顶压溃分析的计算时间从8-40小时大幅缩短至5分钟以内。

对于前端碰撞仿真，AI方法的应用更是将计算时间从15小时锐减到不足1分钟，工程师们有更多时间来处理那些仅凭实物车辆很难或根本无法再现的情景

零部件拓扑优化

雪佛兰Corvette车型的复合材质尾门的设计中，运用了基于物理原理的生成式设计技术，AI设计的支架形状类似树根和树枝，不仅更轻巧、更坚固，而且耐用性也更强。

AI效果图

通用创意设计师绘制出多款未来感雪佛兰概念车手绘视图，将图纸导入AI工具后，通过指令驱动AI生成系列设计效果图，最终制作出可展现概念车三维动态效果的预告动画。

以往从设计草图制作出高品质动画，需要多个团队耗时数月协同完成。如今仅凭一名设计师，单日之内便可独立完成全部工作，且从业者无需再掌握高阶三维可视化专业技能

欧洲车企

捷豹路虎

捷豹路虎使用2万组仿真数据（每组仿真数据包含10亿数据点）和风洞数据来训练AI代理模型。这些仿真数据覆盖了既有和开发中的10款车型，以及2个面向未来潜在设计的通用车体外形，包含了车体上针对各种气动设计的常见变型，包含了不同横摆角（汽车绕垂直轴（Z轴，即贯穿车顶至地面的轴线）旋转的运动或角度）、底盘高度、速度对应的工况结果。

通过大量仿真数据的训练和与风洞数据的对应，实现了AI代理模型输出结果的可信。

通过GPU和AI的应用，得到仿真结果的时间从240分钟缩短到了1分钟：在48个A100上，求解器每天可以得到50组结果。而在1台T4上，AI每天可以出1500组结果。案例详情见之前的文章。

宝马集团

碰撞仿真数据处理

宝马集团正在和Mistral AI合作，基于碰撞防仿真数据，训练一个专门面向复杂任务开发的AI行业模型 Large Industry Models (LIMs)。

LIM可以识别结构吸收能量的位置、材料在应力下的表现，以及哪些异常需要进一步检查。

轮毂设计

宝马汽车已经开始将AI 技术实验性地运用到设计实践中。例如轮毂设计,通过设定轮辐数、重量和直径等参数，AI可以为设计师提供多样化的灵感,据称 2024款 i5 车型的轮毂即为 AI 参与设计的

雷诺汽车：外部CFD仿真

雷诺汽车在外部空气动力学优化中，使用 SimAI，将传统需要数周的 CFD 循环压缩到了分钟级。

迈凯伦：AI仿真及自动化

迈凯伦与NVIDIA和Rescale合作多个AI 仿真应用，缓解工程师的重复性工作，让工程师有更多时间专注于纯粹的创新工作

• 基于物理AI加速仿真求解，将复杂模拟的时间从几天缩短到几分钟
• 制造人员实时调整复杂碳复合材料参数，实时查看预测的生产结果。

• 使用AI Agents调度前处理和后处理任务
• 使用AI Agents检查流程质量，确保只有有用的信息被呈现出来并传递到后续流程

日韩车企

现代汽车：底盘参数AI寻优

现代汽车集团在新一代电动汽车底盘设计中，与Simcenter工程和咨询服务合作，开展底盘参数寻优的AI加速

为实现最佳舒适性与操控性能，现代汽车工程师需考量数百个底盘参数，如质量分布、悬挂动力学特性等，同时还得应对电驱系统带来的设计与配置变化。

为此，双方团队首先构建了一套Simcenter Amesim架构，用于评估车辆操控表现，分别对52项独立的关键性能指标（KPI）进行加权计算，综合得出全面的评价分数。

在此基础上，依据现代汽车提供的目标参数，借助Simcenter ROM软件，Simcenter工程服务创建并训练了一个神经网络，该网络可提供仿真结果，直接实现优化模型。此神经网络与HEEDS软件集成，协助现代汽车集团工程师识别出理想的车辆配置方案。

HEEDS 运用基于 AI 的自适应取样算法，生成了超 20 万个仿真模型，并借助高性能计算集群完成计算。

通过AI 算法构建的神经网络快速输出仿真结果，原本需 20 小时的仿真时长缩短至几分钟。工程师团队通过 HEEDS 驱动该神经网络进行自动化寻优，使现代汽车底盘子系统的参数优化时间从一周锐减至 15 分钟

斯巴鲁：冲压AI仿真分析

斯巴鲁与Neural Concept合作，评估了AI预测模具面形状设计所需的毛坯材料厚度减少率的能力。结果是将分析时间从3小时缩短到2分钟，同时保持了与传统CAE工具相比的预测精度。这一巨大的改进有望大大减少整个开发过程所需的工时。

丰田

研发知识库

丰田以自己动力系统的工程设计报告、法规数据和资深工程师的手写文档为基础，创建了一个知识库专家系统O-Beya，包含振动智能体、燃油消耗智能体等9个AI智能体，可以回答动力系统工程师的问题

自2024年1月起，已在动力总成部门得到广泛应用，约有800名从事动力总成开发的工程师开始使用 O-Beya，系统每月被使用数百次。

造型效果图设计

丰田研究院开发的AI，以原始草图为基础,通过文本输入和工程参数输入，可以生成相应的效果图，并支持通过调整文本和工程参数进行不断的迭代

设计师可以利用公开可用的文本到图像生成式 AI 工具作为他们创意过程的早期步骤。借助此技术，设计师可以将初始设计草图和工程限制条件添加到这一过程中，减少在设计考虑和工程考虑之间进行迭代的需求

中国车企

奇瑞汽车

空气动力学仿真

奇智AeroMind AI智能空气动力学研发平台已经应用2年多，通过AI对风阻进行快速预测，误差小于5%，不仅CAE工程师在用，造型工程师也同时在使用，已经实现预测数据集和实测数据集的持续积累。

还增加了智能诊断和优化模块，由AI发现仿真结果里有改进潜力，或不利于风阻提升的区域、改进点，并给出改进后的可能效果。

发盖多学科预测

包括AI预测行人头部碰撞系统，AI预测抗凹系统，AI预测油罐判定系统等，行人保护场景超过85%预测精度。

路噪NVH实车问题诊断+方案评估系统

奇瑞还构建了基于AI的路噪NVH实车问题诊断+方案评估系统，通过测试数据训练出一个AI模型来告诉工程师，系统特征指标变了，路噪会有怎样的表现变化

智已汽车

空气动力学AI预测

上汽智已汽车与深圳十沣合作，构建汽车空气动力学AI预测模型，可对超800万节点的汽车外形进行秒级空气动力学预测，并自动输出优化造型。

方案首先基于 FFD（Free Form Deformation） 技术对原始整车外形进行参数化处理，自动化批量生成四百余份具有代表性和多样性的几何变体，之后对所有生成的几何形状自动执行外流场模拟，并输出压力场、速度场、风阻系数和升力系数等高保真关键物理量。

此后基于空间注意力算子（SATO）对五个关键气动物理量进行端到端学习，构建空气动力学预测模型，通过迭代优化、误差反馈与参数调整逐步提升预测精度，使模型能够识别毫米级几何变化并稳定输出满足工程要求的结果。

最后将训练完成的模型部署至推理系统中，使其能够在设计师操作界面中直接运行。拥有约八百万表面节点的整车几何能够在单卡RTX 4070（12GB 显存）环境下实现秒级分析，单物理量预测耗时不足十秒

结果：整体优化周期从传统的数周缩短至一天以内，关键气动物理量预测误差控制在5%以内，风阻预测偏差小于4 count，且能识别毫米级形变CFD，计算成本降低超70%。案例详情见之前的文章。

设计辅助智能体

上汽智已应用设计辅助智能体——AI数字工程师，在设计软件输入几个参数，几秒钟后，AI智能体就生成一个汽车零部件的3D模型。团队开发的设计辅助类智能体，已经能够根据设计师提供的二维线稿和相关参数要求，大致画出零部件的三维结构模型。

以往设计一个加强板，大概需要2到3小时，每个方案至少要迭代10次。AI在很短的时间就可以画几十个甚至几百个，很多是之前没想到过的结构，对后面分析有帮助

吉利汽车

智慧风阻预测系统

吉利汽车研究院在智能仿真平台上，开发了GEELY AI-AERO智慧风阻预测系统，通过残差卷积神经网络构建核心代理模型，包括AI预测模块、特征参数提取模块、流场数据到训练集数据转换模块以及自动化工具模块，能实现特征参数提取与自动存储、风阻系数、2D切片流场和3D全流场的预测。

系统将代理模型预测结果与实际值的误差严格控制在5%以内。同时可输出车身及关键界面的压力与速度云图，分辨率与CFD仿真相当，并可自动生成标准化PPT报告。系统将一轮仿真周期从7天缩短为6h，效率提升28倍

造型概念设计

吉利汽车在银河星舰的设计流程中大规模应用AI技术与设计师共创，从构思阶段开始就尝试每种可能的组合，快速草图创建近千种方案，AI介入辅助创作后，短时间就能给出几百种解决方案，让效率成百倍的提升。还原出一个好方案的时间，从原来的五天、五周，到现在只需要五分钟。

一汽解放商用车：多项AI仿真

一汽解放开展了多项AI仿真应用，包括制动鼓热性能的AI快速预测与优化、基于机器学习的轴类零件模态快速预测，以及商用车起动工况下车内振动的AI快速分析等。

• 构建基于PyTorch的三层全连接神经网络模型，实现制动鼓热性能的AI快速预测与优化，准确率超95%，时间从2天降到秒级，并进一步引入多目标平衡优化机制，以智能算法驱动设计迭代，有效平衡重量与温度指标。
• 基于机器学习的轴类零件模态快速预测，预测结果与仿真结果吻合度超80%，效率提升5倍以上。
• 训练降阶模型进行商用车起动工况下车内振动预测，精度93%。

华晨宝马：AI仿真

华晨宝马通过深度学习算法和数据驱动模型，对汽车研发和生产中的各种场景进行虚拟仿真和性能预测。具体应用包括：碰撞测试仿真从传统40小时缩短至10秒，效率提升99.993%；动力电池性能评估从240小时缩短至30秒，实现万倍级效率提升，同时将电池包内电芯温差精准控制在6℃以内

一汽集团：造型概念设计

中国一汽在红旗品牌整车开发中引入AIGC辅助造型设计。在2024年红旗L系旗舰车型开发周期中，AI生成系统累计产出超过24万张设计草图和三维效果图，并借助AI代理模型对车身气动阻力系数（Cd）进行快速评估，将造型评审周期从原来的3个月压缩至3周。

基于红旗自主大模型V1.3的“云妹智绘”平台，可根据用户需求快速生成汽车设计方案，累计生成超24万张设计图，效果图产出效率提升20%

理想汽车：芯片设计

2026年3月发布“软硬协同设计定律”，通过数学模型预测芯片配置下的算法性能，自动优化工具可在给定约束下快速找到最优算法架构，使模型设计选型周期从数月缩短至一周，已应用于自研“马赫100”5nm智驾芯片的协同设计

辰致集团：CAE自动化工具

辰致汽车科技集团创新研究总院研发的CAE仿真自动化软件投入产品研发实战。软件深度耦合AI大模型、仿真数据与本地知识库，可实现从数据到决策的智能化产出，实现仿真分析全流程的标准化、自动化与智能化，内置的“仿真智能体”可针对脱密降维模型进行自动审核与修正，并智能化补全边界条件与工况，有效规避了传统流程中的人为经验误差，提升了仿真效率与准确率。

未露名主机厂项目

保险杠自动仿真

格宇智图正在与某汽车主机厂合作保险杠自动仿真智能体，AI自动完成几何导入后的网格划分和仿真计算。

白车身智能仿真预测

国内整车制造领军企业和树为智能合作，定制落地AI+CAE白车身智能仿真预测解决方案，依托企业十余年积累的仿真数据，结合物理约束AI建模技术，部署以树为AIAE为核心、深智构 AI-CAE 智能体为载体的高精度AI预测系统，在保障工程级仿真精度的前提下，实现白车身核心性能秒级反馈、交互式智能优化

工程技术与服务公司

F1车队：CFD预测

为控制车队的研发成本，缩小技术差距，维持竞争平衡，国际汽联(FIA)从2009年开始逐步收紧空气动力学测试规则，到2022年，F1形成了一套极其严格的空气动力学测试限制体系，对每个车队CFD计算时间和风洞测试时间等进行严格的限制。

红牛车队和威廉姆斯车队等车队部署了Neural Concept平台，通过AI代理模型进行CFD预测，使车队可以在相同的计算配额下，测试的设计方案数量从数百个暴增到数万个，加速团队的汽车设计并优化空气动力学性能。

保时捷工程：安全带仿真AI加速

保时捷工程使用强化学习AI加速安全带仿真。安全带设计时需要优化安全带与安全气囊的相互作用，降低事故时安全带对乘客施加的力。

仿真时首先创建一个经过仿真数据训练的神经网络，能够根据输入的参数，在数秒内预测出侧裙的碰撞行为，而传统仿真则需数小时。

然后一个强化学习（RL）代理与这个神经网络代理模型进行交互。RL代理通过不断尝试不同的参数，并从神经网络快速获得性能反馈（奖励或惩罚），从而学习到最优的设计策略。

通过训练的强化学习模型，实现合适结果所需的有限元素法计算次数显著减少，将所需的有限元计算循环减少了80%。

保时捷工程此前已经使用此方案于内燃机通用应用策略、电动汽车动力系统的振动阻尼以及侧裙碰撞结构开发。

保时捷工程也在开发可解释的仿真后处理AI，通过AI读取海量的碰撞仿真数据，从而在短时间内确定导致单个模拟中显著行为的原因变量。

阿尔特汽车

御风智能预测系统

阿尔特汽车发布御风智能预测系统，依托海量工程数据训练的“御风”空气动力学AI系统，能够在设计初期通过2D图或者3D模型，能够快速预测车的风阻系数并给出优化建议，逆向生成达标轮廓，做到“边设计边验证”。使风阻开发周期缩短2个月、成本也大幅度降低。

造型设计

阿尔特汽车发发布太乙企业造型研发企业级AI设计系统，支持文生图、图生图、线稿渲染、多视角生成、风格迁移、自然语言图像编辑、视频生成、单位生成及编辑功能，帮助工程师更快完成从想法、草图、效果图、视频、三维模型到工程评审的连续转化

Dallara Group：CFD代理模型

IBM与赛车制造商Dallara Group达成合作，旨在利用 AI 推进车辆设计与优化，团队计划整合风洞和赛道上真实车辆的验证测量数据，构建AI模型加速CFD仿真。

此前团队基于高质量仿真数据，在概念性勒芒原型车（LMP2）的几何设计中，比较了传统CFD与AI方法对多种后扩散器构型的分析结果，传统方法计算所有构型耗时数小时，而AI模型仅用约10秒便完成了相同评估，并以与CFD相当的误差范围识别出相同的最优设计

RLE 国际集团：车辆空气动力学AI预测

RLE International创建了一个端到端的流程，包括几何形状变化、使用 SimScale 创建训练数据、模型训练、模型实施，以及使用第三方工具 Synera 进行后续优化循环。

方案部署了用于空气动力学预测的 SimScale 训练的机器学习模型，在几秒钟内，RLE 可以获得可靠的 CFD 参数，如升力、阻力和速度，计算成本降低了 45%。

中汽研：风洞多智能体

中汽研风洞中心也在开发数字风洞的多智能体，覆盖风阻预测、风洞知识库等多个方向

新哲科技：零部件建模

新哲科技也在开发基于CATIA的汽车车内零部件智能化建模工具

零部件供应商

佛瑞亚FORVIA：座椅碰撞仿真优化

佛瑞亚已经利用AI模拟技术大幅缩短了在碰撞条件下分析车辆座椅所需的时间。该AI方法使用了ODYSSEE和SimManager，使团队能够处理物理和数字模拟测试数据，并与传统方法相比将结果产出时间减少了93%。

住友理工：汽车零部件AI仿真

住友理工在汽车零部件的设计与制造环节引入 Ansys SimAI，通过对新旧仿真数据进行学习，在无需几何参数化的前提下，由既有仿真数据训练得到可快速预测性能的高保真 AI 模型，显著缩短“从问题到答案”的时间。已经应用于振设计与探索、电池冷却、磁场分析、混合与传热等“计算密集型”任务。与传统方法相比，部分工况 >10× 加速；对某些橡胶衬套的力学性能预测，单轮仿真周期显著缩短。

Sumitomo Riko：快速预测橡胶性能

Sumitomo Riko是一家全球领先的高性能橡胶汽车零部件制造商。为了加速产品开发，Sumitomo Riko使用SimAI，基于以往生成的数据，训练高性能橡胶产品（如隔振器和软管）的AI模型，并且该过程中无需对几何结构进行参数化处理。这种方法提供的AI模型，能够在5分钟内进行性能预测，相比传统流程，其可为每个新设计节省超过1小时的处理时间，而且准确性可与高保真度仿真相媲美。

Sumitomo Riko还在使用SimAI在抗振动设计和探索、电池冷却、磁场分析和混合传热分析等领域。

Dunlop邓禄普：轮胎结构分析

Dunlop和Fujitsu用图神经网络做AI替代模型，直接把轮胎结构分析时间从45分钟缩短到5分钟，减少约90%。这模型能处理约60万网格单元，接触形状预测精度能达到FEM分析的87.7%。按计划，2027年4月前会转化成实用设计支持工具。

延锋国际：汽车座椅模态分析

延锋国际选择了方向盘骨架作为AI与CAE融合的切入点，使用Altair的PhysicsAI进行代理模型训练，预测方向盘弯曲和扭转强度。

通过20多个历史项目的实际工程数据，并选取不同OEM普遍要求的关键性能指标，最终呈现的整体训练非常理想，在数据的拟合与预测上表现出色，为后续的技术验证与应用探索奠定了坚实的数据基础。

浩思动力：混动变速器NVH仿真

浩思动力在混动变速器NVH研发过程中，基于西门子PhysicsAI，开展AI预测混动变速箱壳体轴承座动刚度预测、架构多目标AI寻优、齿轮围观参数多目标寻优、异响智能识别、缸盖缸体一体化仿真等

Antolin：照明系统仿真

全球汽车零部件主要制造商和汽车内部技术解决方案之一的Antolin，使用Neural Concept的平台进行AI仿真预测，在2024年成功进行试点照明系统，计划后续扩大到其他内部组件，从塑料零件到复杂组件。长期愿景是重新构想整个室内设计工作流程，更快、更可持续、更可定制地为原始设备制造商提供解决方案

MAHLE：空调鼓风机优化

MAHLE是汽车行业领先的国际开发合作伙伴和供应商，在乘用车和商用车领域都有客户。MAHLE在新的用于汽车空调系统的径向鼓风机设计中，联合Neural Concept，使用工程 AI Copilot在创纪录的时间内探索了超过3000万次虚拟设计迭代，并为工程师提供AI生成的见解，帮助他们平衡能源效率、噪音降低、封装约束和能源效率。

结果：一个高性能的组件减少了4分贝的声音输出，设计过程提高了15%的效率。

OPmobility：PHEV油箱流动仿真

OPmobility在CES2025上展示了与Neural Concept合作基于AI的混合动力电动汽车（PHEV）油箱的新型油箱设计。

在车辆加速和减速过程中，传统油箱中的燃油从一侧移动到另一侧，从而产生不必要的噪音。在PHEV燃料箱中模拟这种复杂现象之前每次设计大约需要12小时，使得快速的设计迭代和优化不可能。OPmobility的工程师使用Neural Concept的AI平台，可以在几秒钟（而不是几天）内模拟和预测3D声学压力变化和流体动力学，最大限度地减少噪音，并显著缩短上市时间

IMS Gear：报价智能体

IMS Gear 是一家全球性的精密齿轮制造商，客户遍布汽车和航空航天两个行业。他们基于Synera搭建报价智能体，使过去需要几周时间才能完成的塑料零件询价流程，现在只需大约 10 分钟即可完成。

相关解决方案

国内外大量CAE供应商有在汽车行业开展业务，这里仅列举一些公开介绍过在汽车行业AI CAE方向有明确落地案例或试点项目的企业。

通用AI代理模型训练和预测产品

ANSYS SIMAI

SaaS化的仿真平台，无需对几何结构进行参数化处理，通过过往的仿真数据训练 AI 模型，用于后续的预测，用户不需要编码、不需要会大数据分析或高深的领域知识，只需上传训练数据，就可以生成 AI 模型，快速预测仿真结果。

SIMAI适用于流体力学、结构力学、电磁学、热分析等所有物理场仿真。

最新版本也提供了本地部署版本。

Siemens PhysicsAI

原Altair HyperWorks（Altair已被西门子收购）中的功能模块，基于过往仿真结果训练AI模型，使模型能够根据几何形状快速预测仿真结果。

Physics AI是学科通用的，不论预测的是结构、电磁还是流体场都可以适用。

PhysicsAI 2025版本引入了全新架构 - Transformer Neural Simulators，带来了前所未有的仿真性能提升。

PhysicsAI 还提供了云端版本的PhysicsAI Studio，使团队能够大规模生成、训练和部署 AI 驱动的物理模型。

PhyicsAI最新版本发布了PhysicsAI Generate 生成式设计等功能。

NAVASTO（被Autodesk收购）

德国公司，专注于 AI 加速设计和仿真。核心产品为NAVPACK，使用户能够利用其现有数据来训练能够实时预测3D仿真结果的AI模型。NAVASTO的客户涵盖通用汽车、兰博基尼、奥迪、大众、空中客车等知名厂商。

公司24年10月被Autodesk收购，产品将很快与Alias无缝集成。

AI仿真——综合解决方案商

Nueral Concept

一个来自瑞士的AI+CAE创业公司，核心产品是提供一个端到端的平台，可以与企业内现有CAX系统集成，处理CAX文件，管理算力基础设施，从而帮企业创建AI仿真模型和Agent。

Neural Concept之前主要方向在构建流体动力学CFD 的AI仿真模型领域，在汽车行业积累了较多的客户，之后向更多领域和行业拓展。

通用汽车、通用电气Vernova、莱昂纳多航空航天、伊顿、赛峰、雷诺集团以及多支F1赛车队在内的超过50家全球企业正在积极使用公司的AI工程智能平台。

Luminary.ai

原Luminary Cloud，2019年成立于美国加州，提供基于GPU的多物理场CAE仿真SaaS服务，典型客户：包括 Joby Aviation (eVTOL)、Natilus (货运无人机)、Piper Aircraft、Trek Bikes、Cobra Golf 等，公开披露的融资超过1亿美元。

面向AI CAE，公司提供一个覆盖AI仿真代理模型（公司称为物理AI）生命周期——从数据生成到实时推理和模型再训练—的全栈开发平台Physics AI Factory。

Luminary Cloud还宣布本田（Honda）和英伟达（NVIDIA）合作，推出SHIFT Model系列专业领域预训练的AI CAE模型，并发布了首个开源SUV空气动力学模型SHIFT-SUV。该模型是全球首个专为工业级汽车SUV空气动力学分析而设计的物理AI（Physics AI）基础模型和数据集。

十沣科技

成立于2020年，已发布覆盖流体、结构、传热、声学、电磁等多物理仿真与优化的近20款产品，构建起“核心通用软件”“行业专用软件”“数字智能化平台”三层产品体系，产品和服务已在航空航天、汽车交通、船舶与海洋工程、电子电器、装备制造和能源动力等9大行业的500余家企业中得到广泛应用。

面向AI发布TF-AIDEA一体化的AI-CAE多物理场仿真平台，工程师无需了解深度学习框架，仅需提供原始仿真数据和工况条件，即可通过平台完成模型训练、验证与推理部署。

与上汽智已合作完整车体CFD风阻预测应用案例。

国创中心

面向汽车行业推出仿真工具链 + AI 大模型智能体解决方案，可实现建模、仿真、分析、优化、报告输出的全流程自动化闭环，还能完成大模型管理、知识库管控、快速适配AI智能优化等多工业领域AI场景。

AI仿真——CFD解决方案商

长风道科技

成立于2024年，CFD仿真软件产品和工程咨询服务提供商，2025年，长风道已完成江丰同创基金数千万元天使轮融资。目前已与一汽解放、一汽红旗、吉利、岚图、鑫源等主流整车企业建立稳定合作

25年发布AiAero 整车风阻AI解决方案，将传统CFD仿真需要4到5天的工作量缩短至1个小时内，同时模型预测精度误差控制在5%以内。

还提供快速气动造型评估软件 RASE，基于格子玻尔兹曼方法的流体仿真软件，依托GPU并行架构实现超高速求解，结合动网格技术，能够在保证精度的前提下，将传统CFD仿真速度提升数十倍

熙流数字

成立于2021年，专注于流体仿真与智能设计的工业软件，核心产品为“气动咖”（Aerocae）工业流体仿真平台，支持前处理、求解器和后处理全流程仿真。

某大型车企应用AEROCAE-AUTO系统，成功实现量产车型多目标气动性能优化。该车企基于包含论坛旋转的高精度瞬态仿真进行高频迭代，快速达成新车型风阻和续航优化指标，大幅降低研发成本。项目中，系统单卡计算风阻工旷仅需5小时，与风洞试验误差仅为1.68%，同时提供超真实感工业美学渲染结果，从而助力跨部门协作。

天洑软件

成立于2011年，将 AI 算法与工业软件开发相融合，形成智能热流体仿真软件AICFD、智能结构仿真仿真AIFEM、多学科优化软件AIPOD和数据建模软件DTEmpower等AI CAE产品，以及AITherMa智能化汽车热管理系统仿真软件。提供包括汽车外气动、整车热管理、电池、电机、电控以及燃油车动力总成设计研发等在内的全方位汽车行业解决方案。

在2025年“蔚来杯”中国大学生电动方程式大赛上，天洑软件带着自研的“仿真+优化”工业软件为赛车队提供了强有力的技术支持

AI代理模型——结构仿真解决方案商

迅仿科技

成立于2021年，由潘锋博士（上海交大车辆工程博士）创立，聚焦汽车碰撞安全的CAE软件 + AI 仿真智能体，典型客户吉利、比亚迪、一汽、长安、长城、奇瑞、理想、小米、小鹏、延锋国际等。

推出CrashFEM Nexus仿真智能体，通过Agent管理、Workflow编排、Tool调用、RAG知识增强和Harness评测五大中心，实现从需求理解、前处理、求解调度到后处理报告的全流程闭环应用。

在实际落地案例中，某零部件客户的全流程分析周期从1周缩短至6小时，效率提升超过100%，模型质量保持在95%以上。

安世亚太

总部位于北京，在CAE领域深耕20多年，核心产品PERA SIM系列CAE软件，覆盖结构、流体、电磁、声学及多学科联合仿真等多领域，拥有5000多家客户。

推出了ERA智能化解决方案应用于汽车悬架减振器优化，通过PERA独有的智能算法自适配技术（SmartSelection），系统可自动识别优化场景，并动态调整参数搜索策略，使缺乏专业优化知识的工程师，也能通过智能生成的自动化工作流，快速获得满足复杂约束条件的最佳设计参数组合。

拱鼎科技

团队来源于吉利控股集团，2024年作为成都市工业软件重点项目落户高新区，2025年发布全新自研GDS-MBD V4.0多体动力学仿真软件，包含汽车行业专用功能模块，在悬架KC仿真、整车操稳仿真、虚拟实验场载荷提取等整车研发关键场景中，精度与性能均已达到国际主流软件水平，

GDS-MBDV4.0 深度融合AI技术，实现智能建模、自动优化与自适应计算：

• - 基于数模的中心线自动识别与离散梁自动建模功能，建模时间从十几分钟缩短到秒级
• - 基于“智能设计”的悬架参数优化功能，帮助用户实现多设计目标下的最优参数探索
• - 交互式KC实时仿真：可实现仿真结果“秒级”响应
• - 悬架参数智能匹配与检查：告别低效反复的手动调试，完成一键秒级的参数设置。

戴西软件

戴西（上海）软件成立于 2010 年 ，构建了涵盖 DWS 数字化研发平台、CAxWorks.PreSys 通用仿真软件、VPG 车辆工程解决方案及 PortalYun 算力云平台的全栈产品体系。

AICrash行人保护模块通过机器学习的算法优化和大数据模型的训练，可以得到更加快速、便捷和可靠的分析手段。通过对模型特征数据的提取，建立有效的预测模型。预测车辆发罩在研发阶段各个位置的HIC15的数值。VPG中具有流程化AI行保定义界面，整合前处理、提交AI预测、预测结果可视化界面。

树为智能

核心团队来自电子科大和西南交大，主要面向CAD、CAE提供多种AI智能体。基于预训练基座模型+小样本微调，针对汽车、航空等结构件构建AI代理模型，在车身结构件模态、刚度预测方面形成应用案例，在头部主机厂应用。

树为智能最近刚上线了网页版的AI CAE平台，可以基于历史数据，训练AI仿真模型。

树优科技

成立于2009年，核心产品智能设计仿真优化云平台UniXDE，将CAE多物理场仿真与AI驱动的推理和决策优化相结合，赋能新能源汽车企业高效完成从结构轻量化到性能最优化的复杂任务，并在宁德时代、中信戴卡等汽车行业头部企业应用。

以宁德时代的电池关键结构设计为例，UniXDE平台基于代理模型与全局多目标优化，利用高性能并行计算探索更广阔的设计空间，获得了比国外同类工业软件更轻的设计方案

在中信戴卡的轮毂轻量化案例中，UniXDE平台打通了CAD-网格划分-仿真分析-优化求解全流程，通过智能优化算法自动寻优，研发效率提升60%，成果已成功应用于奔驰、宝马、比亚迪、小米等明星车型。

AI代理模型——其它解决方案商

适创科技

成立于2016年，主要面向铸造工艺仿真提供CAE软件。2026年发布两项 CAE+AI 智能体产品：SupreXI 设计智能体与 SupreHub 制造智能体，SupreHub 已在极氪、长安、奇瑞等智慧工厂应用

SupreHub 材料加工制造工艺智能体，串联现场数据、设备状态、工艺参数与质量结果，构建“感知—决策—执行—反馈”的闭环。

在质量诊断与工艺推优方面，当 X 光检测发现铸件内部缺陷时，SupreHub 可以自动调取对应模次的工艺曲线、模具温度场和设备状态，通过三维虚实映射与异构数据融合，量化关键参数对质量的影响，快速锁定缺陷根因，并生成诊断报告与优化建议。

在智能模温控制方面，SupreHub 基于 DOE、CAE 与 AI 代理模型，结合红外热像、区域空间分割和历史生产数据，计算最优模温工艺窗口。当系统检测到异常温区时，可自动分析、生成调温配方，并一键下发执行，使模具持续稳定运行在更优状态

在监控预警方面，SupreHub 通过质量预测模型持续监测质量趋势与设备健康状态。当模具温度、冷却水流量等关键参数与质量结果出现偏离趋势时，系统能够提前识别异常，将排查从“坏了再修”推进到“提前预防”。

格宇软件

成立于2020年，专注CAE前后处理与网格划分技术， 服务汽车、船舶、航空航天、电子、岩土等行业。成立子公司格宇智图，做CAE前处理智能体， 与某主机厂合作智能汽车结构仿真试点

智能设计解决方案商

设序科技

AI原生CAD开发商，2020年成立，发布AI原生云端三维设计 Agent“则形3D”，将AI推理能力、工业规则知识库与三维设计深度融合，让AI能理解设计需求、遵循工程规则、完成复杂装配，内测版聚焦汽车焊装夹具设计场景，向用户开放AI自动生成3D方案能力。